跳到正文
目前篩選:教學
11月19日週四
  1. DEV Community57

    如何在付款前核查自由工作者的 AI 工作成果

    付款前,委託方可要求自由工作者提供交接連結,逐項核對 AI 工作目標、執行步驟、收據和保存結果。收據可核實保存結果自存檔後有否改動,但不能證明結果正確;客戶的驗收只適用於當前版本,修改後的版本須另行接受。Zambo 的頁面可在瀏覽器重新核對每步收據;若步驟核查失敗或缺失,應要求重做並以新收據交付。

  2. DEV Community64

    Xiaoji v0.4 示範如何處理上下文窗口滿載並保留跨工作階段記憶

    Xiaoji v0.4 以自動壓縮對話軌跡和讀寫 memory.md,分別處理單次執行的上下文限制與重新啟動後的長期記憶。文章比較裁剪、摘要和外置檔案三種管理方式,指出摘要會遺失細節並令快取失效;模型寫入的記憶亦可能加入用戶未曾提供的內容,因此須由人檢查和修正。

  3. DEV Community48

    如何在 Mac 檢查及繞過企業 SSL 檢查(SWG、Zscaler、Netskope)

    企業 SSL 檢查可能令 Mac 上的終端機連線出現憑證錯誤,即使 Safari 和 Chrome 顯示正常的鎖頭圖示。文章説明如何透過終端機命令及 TLS 憑證發行者檢查流量是否受攔截,並解釋為何關閉代理或停用 TLS 驗證等常見做法無法繞過檢查。建議的處理方式包括設定 CLI 與執行環境信任企業 CA、請 IT 設定不解密例外,以及在獲授權的 Mac 上按網域繞過 SWG。

  4. DEV Community72

    如何評分 LLM 資料抽取,JSON 解析成功不代表答案正確

    作者以20份 Federal Register 通知示範如何評分 LLM 資料抽取;三次使用 JSON Schema 的 LLM 執行雖全部產生符合結構的 JSON,仍沒有一次達到逐欄評分門檻。文章建議以人工核對的答案鍵和同一程式逐欄評分,分開記錄正確空值、漏值、多填值、錯誤值及失敗呼叫。作者設定的門檻是每欄至少19/20正確、零多填值,且沒有失敗呼叫。

  5. 阿里雲開發者社區 AI29

    通義千問七層信源分級:L1-L7 採信權重、判定邏輯與 GEO 落地指南

    通義千問七層信源分級文件依據開發者平台公開機制及 GEO 維庫網數據,將信源按可信度分為 L1 至 L7,並列出各層採信權重、判定標準及優化路徑。文件指出,七層分級並非通義千問官方正式標準,而是基於公開資料和 10 萬 + 生成樣本逆向驗證所得。2025 年 Q3 數據顯示,具備 3 個及以上 L3 及以上信源交叉驗證的內容,平均採信權重為 92.1%。

  6. DEV Community76

    Google Gemini 4 Neon:開發者需要了解的成本、上下文與推理

    Google 於 11 月 18 日發佈 Gemini 4 Neon,面向複雜編碼與分析工作,提供統一的 1,048,576-token 上下文窗口及 low、medium、high、xhigh 四個思考層級。

    推薦理由:文章把比較重點由每 token 價格轉到成功完成任務的總成本,並列出重試、驗證、延遲及人工審核等評估項目,提供可套用的測試思路。

  7. 阿里雲開發者社區 AI35

    GEO優化|H2到H4驗收基線:14個月項目如何跨越模型換代

    某車企的GEO優化採購服務期為14個月,每3個月按技術協議驗收,團隊不少於3人;模型持續迭代,令簽約時定下的驗收基線到第二年可能已面對另一套系統。驗收應分開統計提及、引用及推薦,並鎖定品類、詞條和模型;文章亦主張SEO與GEO互補,避免語料投毒、偽造共識及提示詞注入。

  8. 阿里雲開發者社區 AI54

    AI 智能體在 Kubernetes 上執行 Shell:執行邊界與沙箱隔離的工程取捨

    文章指出,AI 智能體在 Kubernetes 上執行 Shell 時,執行邊界應由准入控制、運行時監督、隔離後端、憑證代理和審計記錄共同構成,而非依賴單一控制點。准入層約束 Kubernetes 對象基線,運行時層判斷請求語義;標準容器、gVisor 和 Cloud Hypervisor 等隔離方案各有信任邊界與開銷取捨。文章建議在隔離集羣和合成數據中驗證失效模式及時延等指標,不接入真實憑證。

  9. 阿里雲開發者社區 AI69

    GPT-6.2 評測分歧下的模型接入實踐:推理強度、障礙披露與自測流程

    文章針對 GPT-6.2 的評測分歧,提出將自測納入模型接入流程的評估方法。OpenAI 系統卡所列 GPT-6.2 Astra 障礙披露測試漏報率為 22.28%,高於上代的 11.09%;測試刻意設置障礙,不等同於生產環境中的發生率。流程建議以含障礙任務比較預設與最高推理強度,並追蹤漏報率、停步情況及任務完成度;示例的 10% 門檻須按業務風險設定。

  10. 阿里雲開發者社區 AI32

    AI 文件智能合規審查系統:混合架構設計與自動化審查降本增效實踐

    AI 文件智能合規審查系統結合規則引擎與經指令微調的大語言模型,透過漏斗式流程進行自動化合規審查。系統先以正則表達式篩查風險關鍵詞,再以 RAG 結合企業內部歷史判例進行語義分析,輸出標註風險條款、修改建議及置信度評分的報告。系統支援多格式文件解析、私有化部署及敏感資料脱敏。

  11. 阿里雲開發者社區 AI42

    阿里雲哪款雲伺服器最便宜?38元、68元、99元及199元四檔機型指南

    阿里雲四檔雲伺服器優惠各有購買資格,最低價格取決於用戶帳戶身份:38元和68元為輕量應用伺服器,99元為經濟型e實例,199元為通用算力型u1實例。38元限無訂單記錄的新用戶搶購,68元限新用戶;99元適用新老用戶,199元限企業認證用戶。99元和199元機型新購與續費同價,活動截至2029年3月31日。

  12. 阿里雲開發者社區 AI40

    2027年企業如何選擇項目管理工具:從3個角色考察5項能力

    中大型企業選擇項目管理工具,應由 PMO、研發和 IT 共同參與,並從五項能力評估平台是否適合企業需求。五項能力包括業務適配、內外協同、智能化、整合擴展,以及持續使用與長期成本。企業可結合真實項目試用,並考慮部署要求和預算選擇產品及版本。

  13. DEV Community33

    審計週:當 AI 助理比你更瞭解你的網站

    作者的兩名 AI 助理花約 48 小時逐頁審核 vitaladge.com 商店及日記網站,找出已發布文章中的錯字、篇幅過短的內容,以及 Cloudflare 隱藏聯絡電郵地址的設定。審核涵蓋商店的 336 篇已發布文章和 50 多篇日記;助理負責發現及整理問題,判斷問題的意義及如何處理則由作者決定。

  14. 阿里雲開發者社區 AI33

    2026 年企業數據中台建設成本與 ROI 評估:從預算規劃到價值量化的完整指南

    企業數據中台建設需核算軟件與許可、基礎設施、實施與集成、人力與培訓、持續運維五類成本,並警惕只計軟件費及低估集成等預算陷阱。ROI可從效率提升、決策加速、風險規避、創新賦能四方面量化;文章建議分階段投入,逐步擴展數據中台能力。

  15. 阿里雲開發者社區 AI25

    打破部門數據孤島:企業如何應用數據中台?從架構設計到落地實戰全解析

    瓴羊Dataphin提出「三大支柱+AI引擎」架構及四階段落地路徑,協助企業打破數據孤島,推動數據由資產管理轉向資產服務。其2026版涵蓋標準、資產、開放三大支柱,並融入AI引擎;文中稱實測可降低70%以上重複性開發工作量,V6.2版本推動治理走向持續自治。文章亦以洋河股份及某能源公司的案例説明先接入核心域、跑通場景再逐步擴展的做法。

  16. 阿里雲開發者社區 AI34

    2026年實戰指南:企業如何應用BI系統提升營運效率

    阿里雲瓴羊 Quick BI 在2026年8月完成 AI-native 架構升級,以「接入—準備—分析—行動—管控」五層能力縮短數據轉化為經營行動的鏈路。智能小Q可在10秒內完成原需數小時的數據獲取,最快20分鐘生成數據報告,並支援自動歸因;AIPro 版本可透過 MCP 連接器對接 OA 工作流。海亮集團使用 Quick BI 後,營銷決策效率提升90%,全集團數據消費次數超過190萬次。

  17. 阿里雲開發者社區 AI55

    大模型如何初篩合約條款風險:提示詞與人工覆核流程

    文章提出一套用大模型初篩合約條款風險的流程,由模型定位條款、標示位置及整理摘要,最終法律判斷仍由人員作出。提示詞需限定任務範圍和輸出格式;長合約可按章節分段處理,再逐條核對遺漏、錯標和模型生成的不存在內容。使用公有雲服務前,還要確認資料保留及訓練安排、脱敏要求和內部保密規定。

  18. DEV Community58

    Bama Bound 8 秒影片如何延長至 15 秒而不新增動態?ffmpeg 凍結與速度伸展實測

    作者以 ffmpeg 比較如何將 Bama Bound 官方匯入預覽片段延長至 15 秒而不創作新畫面動態,測試凍結尾格、速度伸展及硬循環。凍結尾格配合靜音補音,以及放慢時間戳、補至 24 fps 並使用 atempo,輸出均為 360 幀、15.000000 秒;硬循環則只有 14.958333 秒畫面,且中段出現切接。

  19. DEV Community60

    如何選擇 Agent 記憶層並測試取消後的延遲查詢

    文章提出為 LLM Agent 選擇開源記憶層時的接受測試:取消任務 A 後,確認其延遲返回的記憶結果不會成為任務 B 的上下文。測試以 Cedar 和 Birch 兩項虛構任務模擬延遲返回,並須檢查工具結果送達及模型收到的上下文;只看 Birch 答案不足以證明任務邊界正確。文章沒有聲稱 PLUR 或其他工具已通過此測試。

  20. DEV Community28

    Excel 嚴重凍結、記憶體耗盡與大型數據集計算自動化:系統工程操作手冊

    這份系統工程操作手冊分析 Excel 嚴重凍結、記憶體耗盡及活頁簿膨脹的成因,並提供 PowerShell 診斷與修復方法。文中指出,32 位元 Excel 的虛擬位址空間上限為 2GB,並建議把涉及 100,000+ 筆記錄的計算交由 Python、Polars 或 Openpyxl 處理;示例稱 Polars 可用所有 CPU 核心在 2 秒內處理 1M+ 行。

  21. DEV Community46

    如何讓 AI 融入每位員工的日常,同時維護信任與合規

    企業要讓 AI 成為員工日常工作的一部分,須把信任與合規要求納入系統設計,而非只依賴政策文件。安全使用 AI 的四個要素是數據、權限、評估,以及防護措施和日誌。推行時應先從一個團隊和一項實際工作開始,並在更改提示詞、模型或文件後,以同一組評估案例重新測試。

  22. 阿里雲開發者社區 AI47

    無開放 API 系統的資料接入:RPA 主導的三種技術路徑與入倉設計

    無開放 API 系統可透過請求復現、RPA 介面自動化,或文件與資料庫直連三條路徑接入資料,並按合規授權及系統條件選擇。RPA 可運用元素 AI 自癒,並支援離線部署,適合桌面軟件或介面多變的系統。入倉設計應做到資料可追溯、增量處理具冪等性,並加入對賬及告警。